RAG与Reference，同为AI知识库却大不相同。本文用生活化类比拆解两者本质：RAG是自动搜索引擎，Reference是手动文件柜。通过退货政策案例，清晰对比工作流程与适用场景，帮你告别技术焦虑，做出明智选择。 最近，遇到一件挺”逗”的事：搭了十几个Skill，把 references 目录建得整整齐齐的我，突然被朋友问到”你用了RAG吗？”——当场愣住。 RAG、Reference、Obsidian……AI 圈到处都是”知识库”，但我愣是分不清它们到底有什么区别。 以前，做的大数据平台自称”知识库”，现在用的Obsidian也叫”知识库”——我特别想弄清楚它们之间到底是什么关系？ 前两篇咱们聊了 “Skill结构怎么搭” 和 “references的三种引用方式” ，这一篇把搞懂这堆”名词”的过程原样分享——先把几个”知识库”对上号，然后知道在后面工作中怎么进行选择。 RAG 到底是什么？ 一句话解释，RAG的本质就是四个字：先搜后答。 大模型平时回答靠训练时已存档的知识，相当于回答问题是”闭卷考试”模式；而RAG负责的就是允许它翻书——回答前先去资料库搜一遍，找到相关内容再作